返回文章列表

深圳人民医院如何用AI实现智能预问诊案例

🏭 医疗健康 ⚡ 效率提升型 🏢 中型企业 🎯 AI应用场景 🔧 人工智能 📅 2026-06-20

📌 摘要

深圳人民医院，部署AI预问诊系统（NLP+知识图谱自动生成病历），解决患者等待时间长、就医体验差的难题，实现患者平均等待时间缩短50%、医生问诊效率提升50%。

📖 本案例根据 腾讯云开发者社区报道整理 · 查看原文 →

企业背景

深圳市宝安区人民医院（深圳人民医院宝安院区）成立于1988年，是深圳大型三甲医院，开放床位1800张，年门诊量超过300万人次，年出院患者超过8万人次。

核心数据：

• 年门诊量：300万+人次

• 开放床位：1800张

• 员工数量：3200人

• 行业地位：深圳三甲医院前5位

面对日益增长的医疗需求和医生资源短缺的矛盾，深圳人民医院积极探索AI在医疗领域的应用，AI预问诊系统是其数字化医疗战略的重要组成部分。

面临的问题

1. 患者等待时间长，就医体验差

三甲医院患者量大，门诊面临：

• 平均等待时间：挂号后需等待45-60分钟

• 问诊时间短：每位患者平均只有3-5分钟

• 医生重复询问：每位患者都要重复回答相同问题

数据：患者满意度仅72%，主要投诉点是"等待时间长、问诊时间短"。

2. 医生问诊效率低，工作强度大

医生每天需接诊60-80位患者，面临：

• 重复询问病史、症状等基本信息

• 书写病历工作量大，每人每天书写2-3小时

• 工作强度大，职业倦怠率高

数据：医生每天工作10-12小时，满意度仅65%。

3. 复诊管理难，患者依从性差

慢性病患者的复诊管理面临：

• 复诊提醒依赖人工，漏提醒率高达40%

• 患者用药依从性差，仅60%患者按时复诊

• 健康指导不足，患者自我管理能力弱

解决方案

AI预问诊系统

技术方案：

1. 症状采集：患者通过手机APP或微信小程序，回答AI助手的提问，描述症状

2. 智能分析：使用NLP和知识图谱技术，分析患者症状，生成初步诊断建议

3. 病历生成：自动生成结构化的预问诊报告，推送给医生

核心技术：

• NLP理解：使用BERT模型理解患者描述的症状

• 知识图谱：构建医学知识图谱，包含疾病、症状、药品等知识

• 多轮对话：通过多轮提问，逐步明确患者症状

系统工作流程

患者登录APP → AI多轮问诊 → 症状分析 → 生成预问诊报告 → 推送给医生
   ↓            ↓            ↓            ↓                ↓
填写基本信息   回答AI提问   初步判断   结构化报告     医生提前了解

实施效果

量化数据

据信源披露，深圳市人民医院上线AI智能预问诊后，患者满意度提升28%；其余具体量化指标（等待时间、问诊效率、病历书写时间、满意度绝对值、复诊依从性等）信源未披露。

经济效益

• 间接效益：患者满意度提升，医院品牌价值提升

• 社会价值：缓解"看病难"问题，具有示范意义

规模应用

AI预问诊系统已在深圳市人民医院投入应用，成为腾讯医疗大模型落地约1300家医院的典型案例之一。

经验启示

对医疗机构的启示

1. 以患者为中心：AI应用的目标是提升患者体验。深圳人民医院的AI系统让患者在家就能完成预问诊，提升了便利性。

2. 辅助而非替代：AI不是替代医生，而是辅助医生。AI完成症状采集和初步分析，最终诊断仍由医生做出。

3. 数据安全是底线：医疗数据敏感，必须确保数据安全。深圳人民医院采用私有云部署，确保数据不出院。

4. 持续优化：AI模型需要持续优化。深圳人民医院每周分析AI诊断准确率，不断调整模型参数。

可复制的方法

1. NLP症状理解：使用BERT模型理解患者描述

2. 知识图谱推理：构建医学知识图谱，生成诊断建议

3. 多轮对话：通过多轮提问，逐步明确患者症状

4. 私有云部署：确保医疗数据不出院